孟德尔随机化系列之一：基础概念 Mendelian randomization I – GWAS实验室 – GWASLab
1.1目的是明确因果关系
在关联分析中我们时常面对的一个问题便是 我们很难确定一个变量是否是真正的因果变量，而非有其他未观测的因素同时影响这个变量与结果，造成这个变量与结果相关联。在循证医学中，或是制定干预策略时，明确因果性是十分必要的。
这个问题实际上与内生性 endogeneity 相关，包括： 反向因果关系 reverse causation, 忽略的混淆变量造成的偏倚 omitted variable bias due to confounding, 测量误差measurement error, 以及双向因果关系bidirectional causality等等问题。（这里的内生性在统计学上是指在回归分析中，解释变量（x）与误差项相关。）
1.2. RCT是金标准，但缺点明显
一般来说，明确因果关系的金标准时随机对照试验 RCT randomized control trial (RCT)， 即对受试者随机分为对照组和实验组，以研究某个因素的影响。但现实中，要完成随机对照试验的难度非常高，需要大量的人力物力，有时因为伦理问题，对某个因素的研究几乎是不可能的。这时我们就要借助其他方法，而孟德尔随机化就是其中之一
image.png
Two Sample MR Functions and Interface to MR Base Database • TwoSampleMR (mrcieu.github.io)
image.png
library(TwoSampleMR)
bmi_exp <- extract_instruments(
outcomes='ieu-a-835',
clump=TRUE, r2=0.01,
kb=5000,access_token = NULL
)
dim(bmi_exp)
# [1] 80 15
t2d_out <- extract_outcome_data(
snps=bmi_exp$SNP,
outcomes='ieu-a-26',
proxies = FALSE,
maf_threshold = 0.01,
access_token = NULL
)
dim(t2d_out)
mydata <- harmonise_data(
exposure_dat=bmi_exp,
outcome_dat=t2d_out,
action= 2
)
res <- mr(mydata)
res
## 第一部分 异质性检验
het <- mr_heterogeneity(mydata)
het
mr(mydata,method_list=c('mr_ivw_mre'))
## 第二部分 多效性检验
pleio <- mr_pleiotropy_test(mydata)
pleio
## 第三部分 逐个剔除检验
single <- mr_leaveoneout(mydata)
绘制敏感性分析图
mr_leaveoneout_plot(single)
image.png
绘制散点图
mr_scatter_plot(res,mydata)
image.png
绘制森林图
res_single <- mr_singlesnp(mydata)
mr_forest_plot(res_single)
image.png
绘制漏斗图
mr_forest_plot(res_single)
image.png
TwoSampleMR包实战教程之读取暴露文件 (qq.com)
https://zhuanlan.zhihu.com/p/343215331
孟德尔随机化系列之一：基础概念 Mendelian randomization I – GWAS实验室 – GWASLab
网友评论